-
公开(公告)号：CN119690493A
公开(公告)日：2025-03-25
申请号：CN202411766435.7
申请日：2024-12-04
Applicant: 重庆交通大学
Abstract: 本发明公开了一种针对自动驾驶的联合仿真软件参数校正方法，包括以下步骤：(1)SUMO仿真场景搭建；(2)选取评价指标；(3)按照参数默认值初始评价，判断是否满足要求，若是，则进入步骤(6)；若否则进行步骤(4)；(4)确定待校正参数及参数取值；(5)对调整参数取值后的模型进行评价，判断是否满足要求，若是，则进入步骤(6)，若否，则回到步骤(4)；(6)完成联合仿真平台搭建；(7)选取联合仿真交互数据准确性的评价指标；(8)按照数据更新的默认时间间隔对联合仿真模型的数据准确性进行初步评价，判断是否满足要求，若否，则对数据更新的时间间隔进行调整，若是，则结束。有效提高交通仿真模型的精度，保证仿真结果的可信性。
-
公开(公告)号：CN118427926A
公开(公告)日：2024-08-02
申请号：CN202410508958.5
申请日：2024-04-26
Applicant: 重庆交通大学
Abstract: 本发明公开了一种获取分区段动态限速值的方法，对隧道基本静态数据进行采集，并对采集的静态数据进行处理与分析，输出各公路隧道限速区段的限速值，具体步骤如下：S1：初步判断公路隧道限速区段划分；S2：构建公路隧道仿真模型；依据构建的公路隧道仿真模型绘制车辆行驶轨迹图，识别不同公路隧道限速区段的速度突变点，对公路隧道限速区段进行整合再划分，根据仿真结果确定公路隧道限速区段；S3：构建各公路隧道限速区段限速值的计算模型；S4：根据多公路隧道限速区段限速值优化计算模型；S5：基于智能优化算法对计算模型进行求解，输出各公路隧道限位区段的限速值。本发明能有效提高隧道交通的流畅度，防止交通堵塞和拥堵的发生。
-
公开(公告)号：CN117292547A
公开(公告)日：2023-12-26
申请号：CN202311403758.5
申请日：2023-10-27
Applicant: 重庆交通大学
IPC: G08G1/01
Abstract: 本发明公开了一种大型活动多级影响区路网连通性评价方法，包括以下步骤：S1：基于加权距离空间，确定大型活动多级影响区范围包括核心影响区、次级影响区和潜在影响区；S2：建立带交通状态权重的多级影响区路网有向拓扑；S3：对核心影响区及非核心影响区采用两种不同路网连通性计算方法，其中非核心影响区为次级影响区和潜在影响区。本发明具有分层级优化路网连通情况、缓解区域交通拥堵、提升路网运行效率的优点。
-
公开(公告)号：CN118427926B
公开(公告)日：2024-12-13
申请号：CN202410508958.5
申请日：2024-04-26
Applicant: 重庆交通大学
Abstract: 本发明公开了一种获取分区段动态限速值的方法，对隧道基本静态数据进行采集，并对采集的静态数据进行处理与分析，输出各公路隧道限速区段的限速值，具体步骤如下：S1：初步判断公路隧道限速区段划分；S2：构建公路隧道仿真模型；依据构建的公路隧道仿真模型绘制车辆行驶轨迹图，识别不同公路隧道限速区段的速度突变点，对公路隧道限速区段进行整合再划分，根据仿真结果确定公路隧道限速区段；S3：构建各公路隧道限速区段限速值的计算模型；S4：根据多公路隧道限速区段限速值优化计算模型；S5：基于智能优化算法对计算模型进行求解，输出各公路隧道限位区段的限速值。本发明能有效提高隧道交通的流畅度，防止交通堵塞和拥堵的发生。
-
公开(公告)号：CN117292546A
公开(公告)日：2023-12-26
申请号：CN202311373187.5
申请日：2023-10-23
Applicant: 重庆交通大学
IPC: G08G1/01 , H04W4/02 , G06F18/23213
Abstract: 本发明公开了一种基于手机GPS数据的交通出行方式OD计算方法，包括以下步骤：S1：导入GPS数据，并用不同ID进行区分；S2：基于用户ID的起讫点，分别计算其行程时间ti、通行距离li、并计算出出行平均速度si；S3：汇总步骤S2中所有用户ID的出行平均速度，结合步行，汽车，火车和飞机四种出行方式的平均速度，通过K‑means聚类方法形成四种出行方式的高斯分布；S4：将四种出行方式的高斯分布结合，形成混合高斯分布；S5：导入统计的时段覆盖下的手机GPS数据，基于平均速度分布区间，判别用户出行方式；S6：确定待统计OD的经纬度，匹配落在区域的手机用户数量，计算得到各类出行方式下OD数量。本发明具有身份识别精准、覆盖范围广、分析精准的优点。
-
Patent Agency Ranking
公开(公告)号：CN116523345A
公开(公告)日：2023-08-01
申请号：CN202310509930.9
申请日：2023-05-08
Applicant: 重庆交通大学
IPC: G06Q10/0637 , G08G1/081 , G06Q10/047 , G06Q50/30 , G06F16/901
Abstract: 本发明公开了一种城市道路拓扑网络连通性评价方法，包括以下步骤：S1：将城市道路网络抽象为有向图G；S2：计算节点vi和vj之间连通路径的数量，确定任意节点间的可达度aij；S3：根据步骤S2中的可达度aij构建有向图G的可达性矩阵A；S4：计算两个节点vi和vj之间各连通路径的总长度，引入转向系数qikj来描述交叉口的转向情况，确定交叉口转向受限制时两个节点间最短路径lij；S5：根据最短路径经过的路段数，计算节点vi和vj之间的最短距离dij；S6：通过各节点间可达度aij和最短距离dij计算节点vi连通度ki；S7：通过对各节点的连通度ki进行累加，计算出城市道路网络连通度ConA。本发明适用于评价不同形态路网的车道级连通性，更贴合反映实际的城市路网可达程度。
-
公开(公告)号：CN118332451B
公开(公告)日：2024-10-11
申请号：CN202410502620.9
申请日：2024-04-25
Applicant: 重庆交通大学
IPC: G06F18/2431 , G06F18/23213 , G06F18/214 , G06F17/16 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种群体划分模型的分类方法，对道路上的出行数据进行收集，通过数据处理与模型分析以对出行群体进行分类，具体包括以下步骤：S1：出行群体数据处理；S2：确定群体划分指标；S3：FCM聚类算法初步划分出行群体；S4：构建并训练传统BP神经网络分类模型；S5：计算自定义混合损失函数；S6：构建基于自定义混合损失函数的BP神经网络分类模型；S7：划分出行群体。本群体划分模型的分类方法，对数据进行出行行为特征分析、确定并计算划分指标等操作，从而构建出行群体划分模型，得到出行群体划分指标体系，便于各类道路上出行数据的群体目标划分。
-
公开(公告)号：CN118332451A
公开(公告)日：2024-07-12
申请号：CN202410502620.9
申请日：2024-04-25
Applicant: 重庆交通大学
IPC: G06F18/2431 , G06F18/23213 , G06F18/214 , G06F17/16 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种群体划分模型的分类方法，对道路上的出行数据进行收集，通过数据处理与模型分析以对出行群体进行分类，具体包括以下步骤：S1：出行群体数据处理；S2：确定群体划分指标；S3：FCM聚类算法初步划分出行群体；S4：构建并训练传统BP神经网络分类模型；S5：计算自定义混合损失函数；S6：构建基于自定义混合损失函数的BP神经网络分类模型；S7：划分出行群体。本群体划分模型的分类方法，对数据进行出行行为特征分析、确定并计算划分指标等操作，从而构建出行群体划分模型，得到出行群体划分指标体系，便于各类道路上出行数据的群体目标划分。
-
公开(公告)号：CN117292547B
公开(公告)日：2024-05-07
申请号：CN202311403758.5
申请日：2023-10-27
Applicant: 重庆交通大学
IPC: G08G1/01
Abstract: 本发明公开了一种大型活动多级影响区路网连通性评价方法，包括以下步骤：S1：基于加权距离空间，确定大型活动多级影响区范围包括核心影响区、次级影响区和潜在影响区；S2：建立带交通状态权重的多级影响区路网有向拓扑；S3：对核心影响区及非核心影响区采用两种不同路网连通性计算方法，其中非核心影响区为次级影响区和潜在影响区。本发明具有分层级优化路网连通情况、缓解区域交通拥堵、提升路网运行效率的优点。
-
公开(公告)号：CN117292546B
公开(公告)日：2024-05-07
申请号：CN202311373187.5
申请日：2023-10-23
Applicant: 重庆交通大学
IPC: G08G1/01 , H04W4/02 , G06F18/23213
Abstract: 本发明公开了一种基于手机GPS数据的交通出行方式OD计算方法，包括以下步骤：S1：导入GPS数据，并用不同ID进行区分；S2：基于用户ID的起讫点，分别计算其行程时间ti、通行距离li、并计算出出行平均速度si；S3：汇总步骤S2中所有用户ID的出行平均速度，结合步行，汽车，火车和飞机四种出行方式的平均速度，通过K‑means聚类方法形成四种出行方式的高斯分布；S4：将四种出行方式的高斯分布结合，形成混合高斯分布；S5：导入统计的时段覆盖下的手机GPS数据，基于平均速度分布区间，判别用户出行方式；S6：确定待统计OD的经纬度，匹配落在区域的手机用户数量，计算得到各类出行方式下OD数量。本发明具有身份识别精准、覆盖范围广、分析精准的优点。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.03 seconds)
